[发明专利]一种基于FCM和KELM的道路施工期路段交通状态判别方法

权利要求书

1.一种基于FCM和KELM的道路施工期路段交通状态判别方法，其特征在于，该方法包括以下步骤：

步骤1：选取交通流量、速度、时间占有率三个参数作为交通状态特征参数，获取道路施工期路段的历史交通流数据，历史交通流数据中包含交通状态特征参数，并对其进行归一化处理；

步骤2：采用模糊C均值聚类算法将历史交通流数据样本划分为四种类别：畅通、平稳、拥挤、阻塞，得到已分类的交通状态数据集；

步骤3：将已分类的交通状态数据集划分为训练集和测试集，使用训练集训练核极限学习机模型KELM从而得到交通状态判别模型，并用测试集检验交通状态判别模型的判别正确率；

步骤4：将实时采集的道路施工期路段交通状态特征参数数据输入核极限学习机交通状态判别模型，得到交通状态类别，从而实现道路施工期路段的实时交通状态判别。

2.根据权利要求1所述的基于FCM和KELM的道路施工期路段交通状态判别方法，其特征在于，在所述的步骤1中，交通状态特征参数交通流量、速度、时间占有率的参数含义及计算方法为：

交通流量指单位时间内通过道路某一断面的车辆数，由于存在车型不同的问题，将不同车型折算为当量交通量；

速度是指在一段时间内通过某观测点的车辆速度的算数平均和，其计算公式为：

其中，N为车辆数；为第i辆车通过观测点的速度；

时间占有率指在一段时间内车辆通过观测点时间与观测时间的比值，其计算公式为：

其中，t_i为第i辆车的通过时间；T为观测时间。

3.根据权利要求1所述的基于FCM和KELM的道路施工期路段交通状态判别方法，其特征在于，在所述的步骤1中，对道路施工期路段的历史交通流数据进行归一化处理的公式为：

其中，x_jmax和x_xmin分别表示第j个交通流特征参数序列的最大值和最小值，x_ij和x_ij'分别表示第i个样本的第j个交通流特征参数的原始值和归一化值。

4.根据权利要求1所述的基于FCM和KELM的道路施工期路段交通状态判别方法，其特征在于，在所述的步骤2中，模糊C均值聚类算法的聚类过程具体为：

定义目标函数J_m(U,V)如下：

其中，c为聚类数目；n为聚类样本个数；m∈[1,∞)为模糊加权指数，m值越大，则聚类分析的模糊程度越大，m的最佳取值范围为[1.5,2.5]；u_ij∈[0,1]为第j个数据样本x_j对第i类的隶属度，且满足d_ij²＝||x_j-v_i||²，表示数据样本点x_j与第i类聚类中心v_i的欧氏距离；

引入拉格朗日乘数法求解定义的目标函数，构造函数如下：

其中，λ_j为拉格朗日乘子；d_ij²＝||x_j-v_i||²；

由上式求得：

5.根据权利要求4所述的基于FCM和KELM的道路施工期路段交通状态判别方法，其特征在于，在所述的步骤2中，对模糊C均值聚类FCM算法进行计算的步骤具体为：

1)参数初始化：设定参数模糊加权指数m，迭代截止阈值ε＞0，最大迭代次数T_max，并初始化隶属度矩阵u_ij；

2)计算聚类中心v_j；

3)计算目标函数值J(U,V)，并更新隶属度中心u_ij；

4)若||J^(t+1)-J^(t)||≤ε，或已达到最大迭代次数T_max，则迭代停止，否则令t＝t+1返回步骤2)，直到算法结束。